Question

我正在努力创建一个非常大的倒排索引术语。你会建议什么方法？

第一

termId - > docId
  a        doc2[locations],doc5[locations],doc12[locations] 
  b        doc5[locations],doc7[locations],doc4[locations]

第二

termId - > docId
  a        doc2[locations]
  a        doc5[locations]
  a        doc12[locations]
  b        doc5[locations]
  b        doc7[locations] 
  b        doc4[locations]

p.s Lucene不是一个选项

Answer 1

正确的表格设计取决于您计划如何使用数据。如果您计划使用"doc2[locations],doc5[locations],doc12[locations]" 之类的字符串而不进行任何进一步的后处理，那么您的First设计就可以了。

但如果 - 正如您的问题默认建议 - 您有时可能会将doc2[locations]，doc5[locations]等视为单独的实体，那么您一定要使用{{1}设计。

以下是一些用例，说明Second设计更好的原因：

如果您使用Second并要求所有文档First，那么您得到一个字符串你那么termID = a 不得不拆分。

如果使用Second，则将每个doc作为单独的行。没有分裂！

doc2[locations],doc5[locations],doc12[locations]结构更方便。
或者，假设某些时候Second发生了变化，您需要这样做更新你的表。如果您使用doc5[locations]设计，则必须使用一些相对复杂的MySQL string function来查找和替换包含它的所有行中的子字符串。（请注意，MySQL没有内置regex substitution。）

如果您使用First设计，则更新很简单：
```
Second
```

在mysql中存储反向索引

1 个答案: